文/在前线 华仔

在不断地演进中，AI逐渐落地并成为贴合行业发展促进数字经济建设的重要力量。

近日，英特尔AI实践者之声夏令营来到深圳，走进平安科技，与其共同探讨大数据时代加速演进趋势下如何利用人工智能技术实现行业进步。AI实践者之声夏令营是由英特尔发起的人工智能主题技术交流活动，面向全球范围内的AI开发者，此次来到平安科技，双方展示了加速联邦学习技术在金融科技领域创新的成果与应用。

图为平安科技副总工程师王健宗

平安科技副总工程师王健宗博士表示，人工智能是加速行业进化的必备技术，也是建设数字经济的核心工具，而当下人工智能一个突出问题就是落地难，联邦学习技术就是为此而生。而结合联邦数据中心、联邦学习、联邦推理以及联邦激励机制等组成部分，联邦智能将在通满足法律法规的前提下打破数据孤岛问题，成为人工智能发展的最后一公里的“金钥匙”。

在前线认为，AI技术的发展深刻影响着人们的生活，在“互联网+”后时代，运用新技术来解决传统互联网时代难以解决的问题是主要趋势。人工智能是科技发展的未来，但也面临着诸多挑战，尤其是数据挑战。借助英特尔强大的硬件实力，以英特尔 SGX技术为基，平安科技联邦学习团队为数据共享提出了新的解决方案，在进一步释放数据价值的同时，也加速了金融行业转型进化的步伐。

多维联合：联邦学习打破数据壁垒

人工智能为人类发展解决了越来越多重要问题，而随着技术的革新，高质量数据已经成为构建人工智能核心竞争力的基础。人工智能的不断成熟促进了新商业生态的构建，但在场景化应用的过程中，仍然存在很多制约性问题。

纵观过去十年的发展，云的发展解决了信息系统孤岛问题，而对于数据来说，系统孤岛问题是解决数据孤岛的重要手段，但这依然不够，在数据价值日益凸显的今天，面对隐私、安全及合规等问题，还需要新的技术来突破现有壁垒。

我们都知道，在机器学习或深度学习的概念中，由训练得到的AI模型被应用于新的数据，这个过程被称为推理。在实际的应用过程中，模型建立的有效性直接决定了推理结果的准确性，尤其是在医疗、保险、金融等对精度有很高要求的行业，训练模型的准确性会起到至关重要的作用。

训练是AI技术落地的关键，如今的AI发展不仅需要芯片强大的算力，同样也离不开大数据对训练模型的支持。对于企业而言，如何让AI技术与自身业务更好地结合是首要问题，而在满足一定要求情况下，将各行业企业机构内大量优质数据联合，利用不同来源数据样本进行资源整合则成了优化模型，挖掘数据价值的关键。

王健宗博士认为，要实现数据价值的共享，同时也要保护企业数据的隐私安全，在满足这些要求的基础上，联邦学习成了解决数据难题的“金钥匙”。

联邦学习最早由谷歌在2016年提出，它是以人工智能技术为基础，在保证数据交换时信息安全、隐私安全及合法合规的前提下，进行多方参与的高效性机器学习。

联邦学习是解决数据孤岛问题的重要技术，尤其是在当下数字化转型趋势日益明显时，联邦学习可为各行业的智能化升级提供更高效的模型应用，同时也是建设联邦智能生态的重要组成部分。

联邦智能是AI技术发展的主流趋势，相对比联邦学习技术，联邦智能强调为数据拥有者和模型所有方共同构建共赢生态，通过各行业数据参与和融合来形成联邦数据中心库，从而最大化推动联邦学习在实际行业生产中的价值。

目前在国内的联邦智能领域，平安科技是最早投入其中的第一批企业。在平安科技的版图中，云、认知、区块链、AI等技术都是重要发展趋势，而对于自身来讲，平安集团涉及医疗、保险、金融、智慧城市等诸多领域，也就造成了不同领域的数据集。运用联邦学习技术，可以先在内部实现数据壁垒的打通，树立标杆，一次加快推广到各个领域。

安全加持：英特尔助力AI落地“最后一公里”

联邦学习是多维度联合实现的人工智能技术，它主要具备三方面优势，一是安全性，办证数据库的独立性，只需更新云端参数就能参与联合建模；二是隐私性，全程采用加密机制，不进行数据本身的传输；三是合法性，不需要打通数据集，满足法规要求。

联邦学习可以看作是一代人工智能协同算法和协作网络的基础，而实现其应用的一大前提是可信环境的建立，在这个环境下各个区域的数据进行比较并训练模型，进一步优化，平衡AI应用的专业化与通用化，从而建立企业之间的价值共享链和生态共信链。

王健宗博士表示，联邦学习技术能在保证数据安全和隐私保护的前提下，加速推动人工智能领域实践前行，而英特尔软件防护扩展技术（SGX）则是联邦学习方案中构建硬件可信执行环境的理想之选。它能够在强化数据安全的条件下，利用更多来源、更多维的数据来提升AI模型的训练效果。

在英特尔看来，通过硬件增强型安全技术的支持，在特定硬件中建立一个可信执行环境（TEE）是有效防止外界攻击敏感数据的最佳方案，同时也是与联邦学习具有十分高契合度的可行手段。

平安科技与英特尔合作，在新一代英特尔至强处理器的强大支持下，将英特尔TEE方案中的支柱型技术SGX引入其联邦学习方案中，率先在多源数据协同实施 AI 训练之路上展开探索，并快速落地，在保险、医疗、智能语音及车联网等多个领域的实践中取得丰硕成果。

一直以来，英特尔都以强大的技术支持推动行业用户的创新进程。通过英特尔SGX技术的加持，平安科技联邦学习团队可在特定硬件中构造一个可信的“飞地”， 使数据和应用程序的安全边界仅限于“飞地”本身及处理器，且其运行过程不依赖于其他软硬件设备，更有效地防止数据泄露。

构建“飞地”是平安科技联邦学习团队借助英特尔SGX技术获得的行业解决方案优势之一，在这个基础上，平安科技进一步构建了全新的蜂巢联邦学习平台，来为用户提供数据隐私安全保护的一站式解决方案。

除了可信环境“飞地”的建立，基于英特尔 SGX 技术的特性，平安科技与英特尔一起，在其联邦学习方案中设计了 1+N 式的多源数据 AI 模型训练方法，更好地解决了业务需求所面临的数据安全和训练效果评估问题。

加速进化：渗透行业共建联邦智能生态

平安科技与英特尔的合作给行业打通数据壁垒提出了新的解决方案，同时也加速了人工智能技术在多样场景中的落地与实现。值得一提的是，在全新一代英特尔至强可扩展处理器中，英特尔针对人工智能技术做了多方面的系统增强，不仅为人工智能提供了更广泛的通用平台，也给企业用户提供了更强大的底层支持。

联邦学习是行业人工智能落地的创新型技术，目前，全球范围内正在掀起一波联邦学习浪潮。基于此技术，更多智能化场景可以得到优质服务。如在智能家居领域，联邦学习可快速帮助用户建立更具定制化的自定义语音助手；在医疗领域，运用联邦学习，在保证患者医疗数据隐私安全的前提下，使厂商可以根据第三方平台提供的信息探究更多医学难题；在保险行业，运用联邦学习，可以更加精确地进行健康评估类别；在金融领域，通过联邦学习技术，能够准确预测贷款或信用卡的逾期违约率……

正如王健宗博士所说，联邦学习技术的最终目的，是以更广泛的智能化应用实现联邦智能生态。

人工智能应用的“最后一公里”就是行业生态化，当前，平安科技正在利用联邦学习技术研发面向对数据有超高要求的金融行业，构建多态多任务学习模型，来满足金融机构在风险评估、信贷、保险和监管等多样场景中的需求。

联邦智能现在还处于相对成熟的研发阶段，在未来，平安科技将进一步加强与英特尔的合作，通过引进、研发更多先进技术来驱动数据资源在联邦学习中的价值转化。

在前线认为，联邦学习为企业建立符合业务发展需求AI应用提供了全新解决方案，它不仅能为行业带来更大发展空间，也可以创造更多新的可能。联邦智能将会是未来AI落地的必要手段，通过英特尔在软硬件方面的支持，平安科技可以将更多的创新基因真正落地，并与更多企业和机构相互协作，打破数据壁垒，推动联邦智能在各行各业中的快速发展和应用。

相关文章